AI真的搶走飯碗了嗎？Anthropic專家揭最新數據真相：這類職缺竟不減反增

生成式人工智慧（AI）席捲全球至今，各界對「AI 搶走人類飯碗」的恐慌從未停歇，然而最新真實經濟數據卻給出了完全相反的答案——AI 到目前為止根本沒有搶走任何人的工作。

Anthropic 經濟研究負責人彼得·麥克羅里（Peter McCrory）近日發布分析長文，指出了這一點。

麥克羅里指出，經過品質調整後的 AI 產出在 2024 與 2025 年均實現了超過 2000% 的爆炸性增長，全美約五分之一的企業已正式將 AI 深度導入業務流程中；然而，美國 6 月失業率依然平穩維持在 4.2%，精準落在傳統經濟學定義的充分就業水準上。麥克羅里的核心論點明確指出：當前的 AI 本質上仍屬於「技能偏向型、勞動力增強型」技術，其核心作用是放大人類的專業能力，而非直接取代人類勞動力。不過，他也為這項判斷標註了「12 個月」的有效觀察期。

數據不說謊：連 AI 高暴露度職缺也毫髮無傷

為了驗證美國就業市場的真實韌性，麥克羅里列出了一整條嚴謹的總體經濟數據鏈：失業率穩定在 4.2%、職缺與失業人數比例略高於 1、25 至 54 歲的黃金年齡就業比例逼近數十年來的高點，且初次請領失業救濟金人數已連續四年處於歷史低檔水準。各項數據均證實美國整體就業情勢穩健向好。

然而，總量數據往往容易掩蓋結構性問題，分組對照才能見真章。麥克羅里與同事馬克西姆·馬森科夫（Maxim Massenkoff）此前展開專項研究，將那些大量被 Claude 用來自動化任務的「AI 高暴露度職位」單獨抽離出來，比對其失業率是否比其他職位更快惡化。最新美國勞工統計局（BLS）數據顯示，兩者完全沒有顯著差異；軟體工程類職位的招募貼文更自 2025 年 5 月起強勁反彈，回升幅度甚至超越了其他職位的平均水準。

唯一需要密切關注的是年輕初階工作者。麥克羅里坦言，年輕人在 AI 高暴露職位上的求職門檻確實提高，史丹佛數位經濟實驗室的論文也提出了相似佐證。但他特別指出一項不可忽視的大背景：2022 年至今，美國經歷了有紀錄以來最大規模的「非衰退式勞動力市場降溫」，在「低招聘、低裁員」的特殊格局下，衝擊本就會最先擠壓缺乏經驗的職場新鮮人，若將所有求職困境全歸咎於 AI，在數據上顯然缺乏足夠證據。

為何沒搶走工作？每個職位都有 AI 無法跨越的「弱環節」

麥克羅里的推論並非憑空假設，而是建立在 Anthropic 過去 18 個月多份權威研究報告的事實基礎之上，背後包含三大關鍵維度：

首先，在美國勞工部 O*NET 資料庫的所有職業分類中，沒有任何單一職缺的所有關聯任務能夠被 Claude 系統性地全盤接管。每個工作職位都存在 AI 無法獨自解決的環節——包括跨部門溝通協調、面對面的人際互動，以及與實體物理世界的互動。這些不可或缺的環節宛如木桶效應中的「短板」，既限制了 AI 對整體生產力的無邊界擴張，也讓能夠補足短板的人類專業價值更加水漲船高。

其次，AI 運算模型越強大，對人類操控者的專業指令要求反而越高。Anthropic 於 1 月發布的《Economic Primitives》報告揭示，Claude 輸出的內容越精密複雜，背後使用者輸入的 Prompt 與專業邏輯就越深奧；當模型產出高水準的經濟預測模型時，通常是由具備深厚專業背景的人類專家在精準指揮。而 3 月的《Learning Curves》報告更指出，使用者在連續使用 Claude 六個月後，更傾向將其視為「思維協作夥伴」，互動成功率大幅攀升——若 AI 具備獨立完成工作的能力，這種使用者學習曲線效應根本不會發生。

第三，即便進入了自主型 AI Agent（智慧代理）時代，人類的核心競爭力依然無可取代。Anthropic 追蹤分析了 Claude Code 長達七個月的真實使用數據，發現任務創造的商業價值持續飆升，但人類專業能力的市場回報並未下滑。使用者負責高階架構規劃與目標設定，並將具體編碼委派給 Claude 執行；專業技術越頂尖的開發者，任務成功率越高，且在 Claude 出現邏輯偏差時能以極快速度修正。純粹碼農式的「程式碼實作」溢價或許正在縮減，但「架構設計、決策判斷與即時糾錯」的高階價值反而大幅躍升。

Anthropic 6 月進行的經濟指數調查更呈現出有趣的心理反差：超過三分之一的受訪者預期 AI 將在 12 個月內接管自己大部分的工作內容，但預期自己會因此丟失飯碗的比例卻極低；實際在日常工作中深度導入 AI 自動化的群體，對自身薪資成長與職業安全感反而展現出更強烈的信心。

三大奇點假設與抵禦就業衝擊的關鍵防線

麥克羅里對當前就業環境持審慎樂觀態度，但他也未迴避未來可能顛覆現有體系的極端情境。他在長文中深入探討了學術界與產業關注的三大「奇點」：

1. 軟體奇點（Software Singularity）：過去的通用技術如內燃機無法自行發明新交通工具，但具備通用認知能力的 AI 具備「遞迴自我改進（RSI）」潛力，理論上能將創新研發流程本身完全自動化，使技術演進脫離人類控制節奏。
2. 經濟奇點（Economic Singularity）：作為軟體奇點的經濟推論，引用 Aghion、Jones 與 Jones（2017）的經濟模型指出，若研發創新完全被自動化，標準經濟模型將推導出「在有限時間內迎來無限指數級增長」。
3. 科斯奇點（Coasean Singularity）：依據 NBER 2025 年最新研究，當 AI Agent 將市場中的搜尋、談判、合約簽署與監管等交易成本壓縮至接近零時，諾貝爾經濟學獎得主 Ronald Coase 於 1937 年提出的經典問題將被重新定義——若市場協調成本徹底消失，傳統企業組織存在的必要性將面臨根本性動搖。

面對上述三大奇點衝擊，麥克羅里提出了同一道關鍵防禦屏障——「弱環節（Weak-link）」。這項概念源自 Aghion 等學者的增長理論：經濟體系的產出上限並非取決於效率最高的模組，而是被那些「不可或缺卻最難被改進的環節」所制約。只要技術瓶頸或社會制度中仍存在無法被全面自動化的核心任務，勞動力的所得分配比重便不會崩解，企業型態也不會瓦解。

當前 AI 編程 Agent 的發展現況正是此理論的最佳例證：導入 Agent 後，全球程式碼行數暴增了 10 至 20 倍，但最終正式發布的軟體數量僅溫和增長約 30%，實際終端應用的活躍度更是幾乎持平。這證明撰寫程式碼只是軟體生命週期的一小部分，更關鍵的系統測試、架構設計、資安審查與產品商業決策依然牢牢掌握在人類手中，這些正是限制盲目擴張的關鍵弱環節。

麥克羅里最後給出了明確預測：未來一年內，全美失業率絕不會因為 AI 的普及而出現顯著攀升。這項預測的檢驗窗口為 12 個月，關鍵觀察指標在於「AI 高暴露職位的失業率是否開始顯著偏離大盤」，以及「Agent 應用場景中人類專業能力的回報是否出現實質下滑」。在兩大指標出現轉折訊號之前，人類與 AI 協同增強的就業格局依然固若金湯。